Assimilation de données satellitaires du trait de côte pour la modélisation des évolutions des littoraux sableux

Satellite-derived shoreline data assimilation for sandy coast evolution

• Auteur / Autrice : Georgios Azorakos
• Direction : Bruno Castelle, Déborah Idier
• Type : Projet de thèse
• Discipline(s) : Physique de l'environnement
• Date : Inscription en doctorat le 09/11/2022
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sciences et Environnements
• Partenaire(s) de recherche : Laboratoire : Environnements et Paléoenvironnements Océaniques et Continentaux
• Partenaire(s) de recherche : Equipe de recherche : METHYS - Modélisation Expérimentale et Télédétection en HYdrodynamique Sédimentaire

Mots clés

Mots clés libres

Assimilation de données

Projection

KX-Shore

Erreur modèle/donnée

Reconstruction

Data assimilation

LX-Shore

Data/model error

Projection

Hindcast

Résumé

Le changement climatique, la pénurie des apports sédimentaires et l'augmentation de la population mondiale le long des côtes vont provoquer des pertes socio-économiques et des changements environnementaux sans précédents dans les prochaines décennies. Un aménagement et une gestion de la bande côtière durables nécessitent une meilleure compréhension des évolutions passées et futures. Toutefois les observations et simulations ont jusqu'à présent fourni des réponses contradictoires et/ou incomplètes. Les avancées récentes en modélisation numérique de l'évolution du trait de côte et en imagerie satellitaire sur des grandes échelles spatiales (O(1-100 km)) et temporelles (O(10 ans)), ainsi que le potentiel de l'assimilation de données pour mieux les combiner ouvrent de nouvelles perspectives qui seront explorés dans le projet ANR SHORMOSAT dans lequel s'intègre cette thèse. Le doctorant explorera dans quelle mesure l'assimilation de données de trait de côte inférées d'images satellitaires permet d'améliorer significativement la qualité des reconstructions d'évolutions pluri-décennales du trait de côte avec un modèle comme LX-Shore (entre autres en étendant son domaine d'application), d'identifier les principales sources d'erreur, mais aussi d'améliorer les projections futures en utilisant des paramètres ajustables variables dans le temps. Après avoir amélioré les algorithmes d'extraction de données trait de côte à partir d'images satellites, il estimera les incertitudes de ces données, et implémentera et testera différentes solutions d'assimilation de données dans LX-shore. Il exploitera ensuite conjointement LX-Shore (et cette nouvelle fonctionnalité d'assimilation) et les données de trait de côte satellitaires pour explorer la variabilité spatio-temporelle du trait de côte sur les 35 ans passés, avant d'explorer les évolutions futures. Les sites d'études internationaux (Brésil, Australie, Tunisie, et Nouvelle-Aquitaine) seront déterminés avec les partienaires scientifiques du projet SHORMOSAT.

Climate change, scarcity of sediment supply and increasing global population along the coasts will cause unprecedented socio-economic losses and environmental changes in the coming decades. Sustainable coastal zone planning and management requires a better understanding of past and future developments. However, observations and simulations have so far provided contradictory and/or incomplete answers. Recent advances in numerical modelling of coastline evolution and in satellite imagery on large spatial (O(1-100 km)) and temporal (O(10 years)) scales, as well as the potential of data assimilation to better combine them, open up new perspectives that will be explored in the ANR SHORMOSAT project in which this thesis is integrated. The PhD student will explore to which extent the assimilation of shoreline data from satellite images can significantly improve the quality of multi-decadal coastline reconstructions with a model such as LX-Shore (e.g. by extending its range of application), identify the main sources of error, but also improve future projections using time-varying adjustable parameters. After improving the algorithms for extracting shoreline data from satellite images, he will estimate the uncertainties of these data, and implement and test different data assimilation solutions in LX-shore. He will then jointly exploit LX-Shore (and this new assimilation functionality) and satellite coastline data to explore the spatio-temporal variability of the coastline over the past 35 years, before exploring future evolution. The international study sites (Brazil, Australia, Tunisia, Nouvelle-Aquitaine coast) will be designed in collaboration with the SHORMOSAT Project partners.